Definer løsningsarkitekturen

En klar løsningsarkitektur er essentiel for at forstå, hvordan dine Copilot Studio-agenter fungerer inden for det bredere forretnings- og tekniske landskab. Arkitekturen skitserer kernekomponenterne i din agent, dens afhængigheder af andre systemer og måden, den skalerer på for at imødekomme forretningsbehov.

Copilot Studio tilbyder et fleksibelt fundament, der integrerer flere egenskaber.

Copilot Studio-agentlivscyklus

Copilot Studio understøtter en komplet end-to-end livscyklus for design, forbedring og administration af agenter fra én samlet, integreret software som en service (SaaS)-baseret oplevelse.

Under fasen Byg og Publicer kan du

• Design, forbedr og administrer agenter: Byg en agent, og kom hurtigt online fra et brugervenligt SaaS-produkt.
• Chat baseret på viden med generativ AI: Få virksomhedsspecifikke svar ved hjælp af dine filer, hjemmesider, Dataverse, ikke-Microsoft-apps og mere.
• Opret specifikke emner: Suppler generativ AI-svar med specifikke, udvalgte emner for at opnå større kontrol.
• Byg handlinger: Opret handlinger, og brug foruddefinerede connectorer eller agentflow til at kalde dine backend-systemer og API'er eller udføre langvarige opgaver.
• Udgiv til flere kanaler: Udgiv på 20+ sprog, og udrul til din foretrukne kanal med et enkelt valg, inklusive Microsoft 365 Copilot.

Under fasen Analyser og Forbedr kan du:

• Overvåg og forbedr: Få adgang til rige, indbyggede indsigter og analyser.
• Integrer med AI-tjenester: Integrer med Microsoft Foundry, Azure Cognitive Services, Bot Framework og andre Microsoft-samtaletjenester.

Hvordan de to faser arbejder sammen

• Byg og publicer får dig hurtigt i produktion med den rette arkitektur, styring og kanaler.
• Analysér og forbedr sikrer, at du fortsat har værdi ved at lære ved at bruge og løse kvalitetsudfordringer.
• Sammen danner de et lukket kredsløb: Udruller med sikkerhed, måler grundigt og gentager målrettet, alt sammen inden for én samlet SaaS-oplevelse.

Copilot Studio-kernefunktioner

Opret en samtalebaseret AI-oplevelse

At skabe en effektiv samtalebaseret AI-oplevelse er langt mere end blot at bygge en chatbot. Det kræver en kombination af teknologi, design og driftsmæssige egenskaber, der samarbejder om at levere problemløse, sikre og intelligente interaktioner. Her er de væsentlige komponenter:

1. Sprogforståelse og orkestreringsfunktioner: I hjertet af enhver samtalebaseret AI ligger evnen til at forstå, hvad brugeren mener. Denne evne indebærer:

   1. At forstå, hvad brugeren siger (hensigt), og hvordan man skal reagere på det.
   2. At udtrække nøgleoplysninger (enhed) fra brugerudtalelser.

2. Dialogstyringsfunktioner: Samtaler kræver struktur. Skal de følge en guidet flow eller forblive åbne? Dialogstyring sikrer:

   1. Glidende overgange mellem emner.
   2. Håndtering af afbrydelser og afklaringer.
   3. Opretholdelse af kontekst på tværs af flertrinsinteraktioner.

3. AI-egenskaber til at generere svar eller udføre handlinger: Generativ AI leverer omfattende, dynamiske svar og muliggør:

   1. Søgning efter forretningsviden.
   2. Opsummering af indhold.
   3. Udløsende handlinger via API'er og connectorer for end-to-end-processer.

4. Integration med andre systemer: End-to-end-forretningsprocesser involverer ofte integration med forskellige systemer og datakilder.

5. Udrulning og runtime: Når den er bygget, skal oplevelsen være tilgængelig for brugerne, hvor de er:

   1. Udrul på tværs af kanaler som hjemmesider, Teams eller apps.
   2. Understøt publicering på tværs af sprog og kanaler.

6. Sikkerhed og godkendelse: Sikr slutpunkterne og godkend slutbrugere for at sikre interaktioner, der er tillid til.

   1. Hvem kan aktivere agenten?
   2. Skal brugeren være logget på?

7. Analyse og løbende forbedring: Præstation stopper ikke ved lanceringen.

   1. Brug telemetri, nøgletal og afskrifter af samtaler til at måle effektivitet.
   2. Identificer huller, og optimer for bedre resultater.

8. ALM (Application Lifecycle Management): Håndtering af miljøer og versioner er afgørende.

   1. Flyt agenter gennem udviklings-, test- og produktionsfaserne.
   2. Automatiser implementeringer, og oprethold overholdelse af angivne standarder.

En succesfuld samtalebaseret AI-oplevelse kombinerer intelligent sprogforståelse, sikker integration og løbende forbedring, alt sammen understøttet af robust implementering og styring. Platforme som Copilot Studio gør dette muligt ved at tilbyde et end-to-end SaaS-miljø, hvor du kan designe, forbedre og administrere agenter problemfrit.

Få mere at vide:

• Introduktion til samtaleoplevelser
• Planlæg og opret en ydeevnetest for samtaleagent

Oversigt over Copilot Studio-teknologiarkitektur

Dette billede præsenterer et arkitektonisk overblik over Copilot Studio og viser, hvordan agenter interagerer med kanaler, integrationer, AI-funktioner, sikkerhed, analyser og Microsoft Cloud-tjenester.

Til venstre viser diagrammet klientindgangspunkter, herunder standard Webchat-kontroller, chatkontroller til Power Apps og Power Pages, tilpassede klienter såsom Bot Framework Webchat, server-til-server middleware, Microsoft Teams, Facebook Messenger, WhatsApp, Slack, Dynamics 365 Contact Center og Microsoft 365 Copilot. Azure Bot Service-kanaler og Bot Framework-bots vises også.

Midtersektionen fremhæver kernekomponenter i Copilot Studios arkitektur, grupperet i kategorier:

• Runtime: Native kanaler, agent-som-en-evne og kanaladfærd.
• Integrationer: HTTP-anmodninger, connectorer, workflow, AI Builder-prompter og Bot Framework-færdigheder.
• ALM: Power Platform-løsninger og CI/CD-pipelines.
• Dialogstyring: Emner, handlinger, input og output.
• Sprogforståelse: Klassisk NLU, indbygget NLU, bring-your-own NLU og generativ orkestrering.
• Generative svar: Omskrivning af forespørgsler, videnssøgning på tværs af hjemmesider, filer, SharePoint, Dataverse, Graph, viden i organisationsnetværk, Azure AI Search og opsummering.
• Sikkerhed: Hemmelighedsstyring, identitet, godkendelse, autorisation, slutpunktssikkerhed, datapolitikker og overvågningslogge.
• Udløsere: Autonome og systemdrevne udløsere.
• Analyser: Standardanalyser, teknisk telemetri og samtaleafskrifter.

Til højre viser diagrammet cloud-tjenester, som Copilot Studio kan bruge, såsom Azure AI Language, Microsoft 365 Graph, Azure AI Search, Microsoft (tidligere Azure AI) Foundry, Azure Monitor, Azure Storage, Azure Synapse Analytics og Microsoft Entra ID.

Sammen illustrerer disse elementer, hvordan Copilot Studio forbinder klientkanaler, orkestrering, integrationer og Azure- og Microsoft 365-tjenester for at opbygge og køre samtaleagenter.

Identificer tekniske udfordringer

At identificere potentielle forhindringer tidligt hjælper teams med at forberede afhjælpningsstrategier. Almindelige udfordringer omfatter integration med lokale ressourcer, implementering af agenter på bestemte kanaler som WhatsApp eller Slack samt håndtering af avancerede krav såsom download af afskrifter eller understøttelse af brugere på flere sprog. Dokumentér og valider disse udfordringer med interessenter, så arkitekturen afspejler både nuværende behov og fremtidige krav.

Dataoverførselshastighed og hastighedsgrænser

Store business-to-customer (B2C) og autonome implementeringer kræver planlægning af dataoverførselshastighed sammen med forbindelsesmuligheder og kanaldesign. Hastighedsgrænser gælder for hele runtime-stien – inklusive Power Automate, Dataverse, connectorer og downstream-API'er – og arkitekturbeslutninger som miljøsegmentering og udløserdesign påvirker direkte, om løsningen holder sig inden for disse grænser under spidsbelastning. Læs mere i Plan for gennemstrømning og hastighedsgrænser.

Målet med arkitekturoversigten er at levere en samlet køreplan, der forbinder forretningshensigt med teknisk realitet. Ved at definere samtaleflow, AI-funktioner, integrationer, sikkerhed og ydeevnekrav skaber du en fælles forståelse på tværs af alle interessenter og etablerer et grundlag, som du kan skalere, styre og løbende forbedre.

Udarbejd agentløsninger

Indholdet i Udarbejd agentløsninger giver vejledning om centrale principper og mønstre for at udvikle sikre, pålidelige agenter med fokus på Microsoft 365 Copilot. Strukturen tilbyder standardiserede tilgange til agentudvikling, hvilket sikrer maksimalt afkast af investeringen, samtidig med at sikkerhed og overholdelse på virksomhedsniveau opretholdes.

Denne struktur er organiseret i flere søjler:

• Vurder egnethed til formålet
• Vurder driftsevne
• Bestem tillid, sporbarhed og gennemsigtighed

Ved at tage denne struktur i betragtning kan organisationer sikre kvalitet og tillid ved at prioritere pålidelighed, sporbarhed og ansvarlig AI for at skabe sikre løsninger, der kan overvåges. Det muliggør også skalering ved at give udviklere mulighed for at bygge løsninger, der lever op til branchens og Microsofts foreskrevne bedste praksis, uden behov for teknisk support fra Microsoft.

Power Platform Well-Architected

Power Platform velstruktureret leverer et sæt principper og bedste praksisser, der hjælper teams med at designe, udvikle og administrere arbejdsbelastninger, som er sikre, pålidelige og effektive i stor skala. Det fungerer som et referencepunkt gennem hele implementeringscyklussen og sikrer, at hver beslutning fra arkitektur til styring understøtter både umiddelbare forretningsresultater og langsigtet bæredygtighed.

Strukturen er organiseret i flere søjler:

• Pålidelighed
• Sikkerhed
• Driftsmæssige præstationer
• Ydeevneeffektivitet
• Optimering af oplevelse

Ved at tilpasse projekter til disse søjler kan organisationer mere end blot at "få en agent live" og i stedet fokusere på at levere agenter, der er robuste, vedligeholdelsesvenlige og i stand til at vokse sammen med virksomheden. Power Platform velstruktureret er en vejledning i, hvordan du træffer bedre designvalg, vurderer kompromiser og forbedrer den overordnede kvalitet af Copilot Studio-løsningsdesign.

Løsningsforslag dokumenteret i Power Platform og Copilot Studio-arkitekturcenter demonstrerer en klar, modulær måde at dokumentere komplekse løsninger på ved at opdele dem i ensartede arkitektoniske byggeblokke. Dens visuelle diagrammer, som det der vises her, fremhæver, hvordan komponenter hænger sammen fra start til slut på tværs af klientindgangspunkter, runtime-funktionsmåde og underliggende Azure-tjenester. Denne struktur kan fungere som en model for din egen arkitekturdokumentation: Definer hvert lag af din løsning, kortlæg, hvordan data og handlinger flyder gennem systemet, vis, hvordan din agent interagerer med eksterne systemer eller forretningsprocesser, og dokumentér, hvordan din agent anvender principperne i Power Platform velstruktureret. Ved at følge denne tilgang skaber du dokumentation, der er lettere for interessenter at forstå, vedligeholde og udvide, samtidig med at din løsning tilpasses branchestandarder og Microsofts anbefalede designpraksisser.

Gennemgå løsningsforslaget til implementering af en tilpasset kontaktcenterløsning med Copilot Studio-agent.

Næste trin

Lær, hvordan du anvender principper for ansvarlig AI for at sikre, at din løsning er fair, gennemsigtig, sikker og lever op til Microsofts standarder for ansvarlig AI.

Relaterede oplysninger

• Planlæg dataoverførselshastighed og -grænser
• Copilot Studio-overblik
• Power Platform og Copilot Studio-arkitekturcenter
• Tjekliste for opstart af diskussioner om agentbaseret arkitektur